基于艾略特波浪理论的交易策略 - 页 224 1...217218219220221222223224225226227228229230231...309 新评论 Forex Trader 2007.01.18 19:01 #2231 Изменение цены - 价格价值变化的时间间隔 值H，正或负，取决于H的符号。 区间结束时和开始时的价格差异。它的计算方式是 =（区间结束时的价格值-区间开始时的价格值）/H，因此 因此，它只能取值为1或-1。 如果我们检查H值较低的勾股图，我们可以看到每一个勾股的价格变化为2H、3H或更多。在这种情况下，价格变化 的价值是什么？ Forex Trader 2007.01.18 19:39 #2232 Yurixx 18.01.07 20:01 价格变化 是指价格价值变化的时间间隔 的值H，正或负，取决于符号 区间结束时和开始时的价格差异。它的计算方式是 =（区间结束时的价格值-区间开始时的价格值）/H，因此 因此，它只能取值为1或-1。 如果你检查一个H值较小的滴答图，那么就有可能 每点的价格变化为2H、3H或更多。在这种情况下，价值是什么？ 价格变化？ 是的，这里有一个不准确的地方。在delta调制中，这种现象被称为 "陡峭度过载"。 它的评价是负面的。原则上，这个公式本身是正确的。然后它是这样的。 价格变化 是指价格价值变化的时间间隔 的值H，正或负，取决于符号 区间结束时和开始时的价格差异。它的计算方式是 =（区间结束时的价格值-区间开始时的价格值）/H 因此只能取正或负的整数值 以及负值。 因此，在2H、3H等情况下，将是2、3等。 Forex Trader 2007.01.18 22:22 #2233 2中子，索兰特 感谢solandr 的提示，我从网站上下载了柚木档案。 不需要第二次发送包裹。 谢谢你。 Forex Trader 2007.01.19 07:34 #2234 北风 18.01.07 19:41 <br/ translate="no"> ...现在，我想了解你对同向和 反向价格飙升的定义是什么？ 看着这个数字。我认为从Oren[i-1]到Oren[i]这一段，从函数值的区域来看，相对于从Oren[i-2]到Oren[i-1]这一段，是价格的反方向跳跃。反方向跳跃的标准是满足不等式。 (Orep[k]-Orep[k-1])*(Orep[k+1]-Orep[k])<0。 从Orep[i]到Orep[i+1]的部分与从Orep[i-1]到Orep[i]的部分是同向的。跳跃的共同方向性的标准是满足不等式。 (Open[k]-Open[k-1])*(Open[k+1]-Open[k])>0。 现在让我们把注意力转向Pastukhov在他的论文中写道： Vt 和Ut 在意义上是所有跳跃的数量乘以H Nt 和Mt 在意义上只是所有反方向的跳跃的总和。那么我在上面的帖子中给出的说法： FAC=1-2/H，是正确的。 to Grans Sergei，看看价格行为，告诉我：这是一个趋势市场还是一个回调市场？对了!- 不可能毫不含糊地回答--问题不正确。在TF=1，这是一个趋势市场。事实上，在相邻尖峰产品的 时间序列 的任何部分的总和总是积极的，应该在价格运动的方向上建立一个位置。相反，在TF=50时，我们看到一个明显的平坦！在TF=50时，我们看到一个明显的平坦。事实上，在时间序列的任何一段上（TF=50），相邻尖峰的乘积之和总是负的，应该针对之前的价格方向开仓。 现在，关于总和应该有多 "长 "的问题，我说两句。我已经写过关于统计结果的文章。结论是唯一的，总和成员的数量必须至少是100。在这种情况下，获得的结果的波动不会超过10%。对于应用目的来说，这可能是足够的精度。 现在，请注意!让我们来看看你在上一篇文章中的画。你用眼睛突出的东西作为一种趋势，应该有大约一百个间隔，才能可靠地突出。如果这部分被分成100个区间，TF将比你用眼睛 "突出 "趋势的区间少100倍。而且，在一个少了100倍的TF上，不会有一个平面，这不是一个事实。请记住余弦的例子。但这将是一个可信的单位，你可以在上面赚钱。想一想这个假想的悖论。 现在，让我们把你的 "趋势 "不是分成100个区间，而是分成，比如说，10个。哦！的确，邻居价格跳跃的产品之和是正的--TREND!是的，除了识别误差在30%的水平上。这就是所谓的 "随机趋势"。就是这样，我无法用其他方式解释。 顺便说一下，FAC显示的确定性趋势区域相当少。而且大多是在眼下根本没有的地方。并澄清FAC+系列是否是确定性的，如果是FAC-，是哪个？ 如果FAC是正的，我们就有一个确定的趋势的情况；如果FAC是负的，我们就有一个确定的平局，或者换句话说，价格行为的回撤。 a trading strategy based Forex Trader 2007.01.19 13:31 #2235 到中子 <br/ translate="no">就是这样，我无法用其他方式解释。 。 谢尔盖，谢谢你的耐心解释。你的推理可能是正确的。我认为我们中的一些人需要一些时间来改变我们对这个问题的看法。我只想从我的角度指出以下几点：。我没有看到任何悖论。我不把这个系列划分为几个区间。我认为这一行动没有证据，而且犯了一个巨大的错误。我把一个系列作为一个整体进行分析，不使用任何窗口。我不需要一个趋势。我对样本之间的关系强度感到满意。这一般来说对预测来说是足够的（我在前面举了例子）。 我没有用我的眼睛来强调这个趋势。如果我需要可靠地知道它是否是一种趋势，我会使用一个额外的标准。在此标准基础上得出的结论被我的眼睛所证实。就是这样，更确切地说。 函数sin()的统计值为2.127。对它来说，"无趋势 "的标准位于(0: 1.9)的范围内，而且几乎立即在这个范围内。这在我的方法中可以被归类为接近 "平坦 "的状态 Pastukhov变换在某种意义上 "粗化 "了系列，其目的是相当不同的用途。我没有看到任何令人信服的论据支持使用这些转换来检测趋势，无论用什么方法，包括自相关。 一个 趋势检测 方法不应该有任何输入参数。你有两个：第一个是窗口大小，第二个是kagi、rengo...结构的参数。只有最初的系列!这里面什么都有! Forex Trader 2007.01.19 16:09 #2236 Neutron 19.01.07 08:34 ......那么我在上面的帖子中的说法： FAC=1-2/H，是正确的。 我承认，我甚至有点犹豫，在我的正确性。但很快 ，我就清醒了。我建议你也这样做。好吧，让它见鬼去吧，H-Hurst，反正不是每个人 ，了解它的计算算法，让我们看看FAC。我理解它是 自 相关的一个函数。这些公式可能可以在这里或教科书中找到。 我看了教程，也看了Statistica中的FAC实现。 构建了三行数据，第一行是这样的：1,-1,1,-1等等。第二行是：2,-2,2,-2等；第三行是2,-1,2,-1等。它们的H-波动率， ，分别为1，2和1.5。在Statistica中计算的FAC值，对于 滞后=1，对于所有三个系列是-0.995，一般来说是自然的， ，基于对自相关的理解。对于滞后=2，它将是0.993，等等。注意，这三个系列在 H-波动性方面完全不同，而在FAC方面则相同（对于相同的滞后期）。 要么你的FAC与传统的FAC不一样，要么你的推理有错误， 。 Forex Trader 2007.01.19 17:21 #2237 <br/ translate="no">其中之一，要么你的FAC与普遍接受的FAC不一样，要么你的推理有错误 。 北风，我在影响FAC的一系列第一差异，你在影响原始系列。因此，有区别。 当然，如果定义了两个系列 X 和Y，那么就可以用公式计算相关系数。 r=SUM（X*Y）/SUM（X^2）。如果我们现在去看 自 相关系数的定义，我们有： r=SUM(X[i]*X[i-1])/SUM(X[i]^2)， ，从这里去看第一差值，我们得到。 r=SUM{(X[i]-X[i-1])*(X[i+1]-X[i])}/SUM(X[i]-X[i-1])^2), 或者，第一近似值： r=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]) }/N，其中N为求和窗口。事实上，这就是所断言的内容。 Forex Trader 2007.01.19 17:47 #2238 Neutron 19.01.07 18:21 ...北风，我在影响FAC在一系列的第一差异和你在原始系列。因此，有区别。 当然，如果定义了两个系列X 和Y，那么相关系数的计算公式为：。 请注意，我举的例子是 "1,-1,1,-1,1,1,-1..." 被转换为"-2,2,-2,2... "的首差形式。这些系列的FAC(滞后=1)。 在价值上是相同的，完全符合理论概念。 指出，对于这样的系列，与前值的相关性 接近于1。同时，这些考虑的系列的H-波动率是不同的。 也就是说，事实证明你的公式并不十分正确。 这里没有使用两个系列的X 和Y。只是，为了测试 三行数据的计算是相互独立的。 你计算 "3,-3,3,-3... "和 "1,-1,1,-1... "行的FAC。 你给我看结果，我计算H型波动率。然后我们进行比较。 Forex Trader 2007.01.19 19:37 #2239 <br/ translate="no"> 我们可以这样做，你计算 "3,-3,3,-3... "和 "1,-1,1,-1... "行的FAC， 你展示结果，我计算H-volatilities。然后我们进行比较。 对于第一行： FAC=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={sign((-3-3)*(3-(-3))+sign((3+3)*(-3-3)+...+}/N= ={-1+（-1）+...+(-1)}/N=-1， H-波动率（我们用H表示）， H=（所有价格运动的绝对值 之和）/（运动反转之和）=h*N/N=1*h，其中h=3。FAC的含义，是无尺寸的。H-波动率是振幅维度的，所以我们用h来归一化，以便比较。我认为 FAC=1-2/H，我们有-1=1-2/1=-1，即身份。 对于第二个系列： FAC=-1， H=h*N/N=1*h，其中h=1。我们有 -1=1-2/1=-1，即身份。 这是需要证明的。 Forex Trader 2007.01.19 20:29 #2240 Neutron 19.01.07 20:37 我们可以这样做，你计算 "3,-3,3,-3... "和 "1,-1,1,-1... "行的FAC。 你给我看结果，我计算H型波动率。然后我们进行比较。 对于第一行。 ФАК=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={sign((-3-3)*(3-(-3))+sign((3+3)*(-3-3)+...+}/N= ={-1+(-1)+...+(-1)}/N=-1, 是的，我同意。只是我做的方式不同，但结果是一样的。 中子 19.01.07 20:37 H型波动率（我们用H表示）。 H=（所有价格运动的绝对值之和）/（运动反转之和）=h*N/N=1*h，其中h=3。 FAC的含义，是无尺寸的。 是的，我也是这么想的。 中子 19.01.07 20:37 H-波动率是振幅维度的，所以我们用h来归一化，以便比较。 但这正是它的错误所在。一切都已经设定在h。所以没有必要把它正常化。 中子 19.01.07 20:37 我认为FAC=1-2/H，有-1=1-2/1=-1，即身份。 你以 "正常化 "为代价，将所有情况减少到=1的一种情况。 此外，你似乎没有采用 "直接 "的公式来计算H-波动率，而是采用了 你使用了你自己的公式，而这个公式是错误的，因此你的结果也是错误的。 中子 19.01.07 20:37 对于第二排。 FAC=-1。 H=h*N/N=1*h，其中h=1。 我们有-1=1-2/1=-1，即一个特征。 这是需要证明的。 让我们来计算一下FAC和H-波动率的情况 另一个系列，例如：3,-1,3,-1，等等。我认为，FAC将=-1，H-波动性=2。 H-分区是在h=1时进行的。不需要采取任何差异，这一系列是纯粹的。 顺便说一下，另一个有趣的系列例子，1,2,-3,1,2,-3。你认为会发生什么？ 1...217218219220221222223224225226227228229230231...309 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
值H，正或负，取决于H的符号。
区间结束时和开始时的价格差异。它的计算方式是
=（区间结束时的价格值-区间开始时的价格值）/H，因此
因此，它只能取值为1或-1。
如果我们检查H值较低的勾股图，我们可以看到每一个勾股的价格变化为2H、3H或更多。在这种情况下，价格变化 的价值是什么？
的值H，正或负，取决于符号
区间结束时和开始时的价格差异。它的计算方式是
=（区间结束时的价格值-区间开始时的价格值）/H，因此
因此，它只能取值为1或-1。
如果你检查一个H值较小的滴答图，那么就有可能
每点的价格变化为2H、3H或更多。在这种情况下，价值是什么？
价格变化？
是的，这里有一个不准确的地方。在delta调制中，这种现象被称为 "陡峭度过载"。
它的评价是负面的。原则上，这个公式本身是正确的。然后它是这样的。
价格变化 是指价格价值变化的时间间隔
的值H，正或负，取决于符号
区间结束时和开始时的价格差异。它的计算方式是
=（区间结束时的价格值-区间开始时的价格值）/H
因此只能取正或负的整数值
以及负值。
因此，在2H、3H等情况下，将是2、3等。
感谢solandr 的提示，我从网站上下载了柚木档案。
不需要第二次发送包裹。
谢谢你。
反向价格飙升的定义是什么？
看着这个数字。我认为从Oren[i-1]到Oren[i]这一段，从函数值的区域来看，相对于从Oren[i-2]到Oren[i-1]这一段，是价格的反方向跳跃。反方向跳跃的标准是满足不等式。
(Orep[k]-Orep[k-1])*(Orep[k+1]-Orep[k])<0。 从Orep[i]到Orep[i+1]的部分与从Orep[i-1]到Orep[i]的部分是同向的。跳跃的共同方向性的标准是满足不等式。
(Open[k]-Open[k-1])*(Open[k+1]-Open[k])>0。 现在让我们把注意力转向Pastukhov在他的论文中写道：
Vt 和Ut 在意义上是所有跳跃的数量乘以H
Nt 和Mt 在意义上只是所有反方向的跳跃的总和。那么我在上面的帖子中给出的说法：
FAC=1-2/H，是正确的。
to Grans
Sergei，看看价格行为，告诉我：这是一个趋势市场还是一个回调市场？对了!- 不可能毫不含糊地回答--问题不正确。在TF=1，这是一个趋势市场。事实上，在相邻尖峰产品的
时间序列 的任何部分的总和总是积极的，应该在价格运动的方向上建立一个位置。相反，在TF=50时，我们看到一个明显的平坦！在TF=50时，我们看到一个明显的平坦。事实上，在时间序列的任何一段上（TF=50），相邻尖峰的乘积之和总是负的，应该针对之前的价格方向开仓。 现在，关于总和应该有多 "长 "的问题，我说两句。我已经写过关于统计结果的文章。结论是唯一的，总和成员的数量必须至少是100。在这种情况下，获得的结果的波动不会超过10%。对于应用目的来说，这可能是足够的精度。 现在，请注意!让我们来看看你在上一篇文章中的画。你用眼睛突出的东西作为一种趋势，应该有大约一百个间隔，才能可靠地突出。如果这部分被分成100个区间，TF将比你用眼睛 "突出 "趋势的区间少100倍。而且，在一个少了100倍的TF上，不会有一个平面，这不是一个事实。请记住余弦的例子。但这将是一个可信的单位，你可以在上面赚钱。想一想这个假想的悖论。 现在，让我们把你的 "趋势 "不是分成100个区间，而是分成，比如说，10个。哦！的确，邻居价格跳跃的产品之和是正的--TREND!是的，除了识别误差在30%的水平上。这就是所谓的 "随机趋势"。就是这样，我无法用其他方式解释。
如果FAC是正的，我们就有一个确定的趋势的情况；如果FAC是负的，我们就有一个确定的平局，或者换句话说，价格行为的回撤。
。
谢尔盖，谢谢你的耐心解释。你的推理可能是正确的。我认为我们中的一些人需要一些时间来改变我们对这个问题的看法。我只想从我的角度指出以下几点：。我没有看到任何悖论。我不把这个系列划分为几个区间。我认为这一行动没有证据，而且犯了一个巨大的错误。我把一个系列作为一个整体进行分析，不使用任何窗口。我不需要一个趋势。我对样本之间的关系强度感到满意。这一般来说对预测来说是足够的（我在前面举了例子）。 我没有用我的眼睛来强调这个趋势。如果我需要可靠地知道它是否是一种趋势，我会使用一个额外的标准。在此标准基础上得出的结论被我的眼睛所证实。就是这样，更确切地说。 函数sin()的统计值为2.127。对它来说，"无趋势 "的标准位于(0: 1.9)的范围内，而且几乎立即在这个范围内。这在我的方法中可以被归类为接近 "平坦 "的状态 Pastukhov变换在某种意义上 "粗化 "了系列，其目的是相当不同的用途。我没有看到任何令人信服的论据支持使用这些转换来检测趋势，无论用什么方法，包括自相关。 一个
趋势检测 方法不应该有任何输入参数。你有两个：第一个是窗口大小，第二个是kagi、rengo...结构的参数。只有最初的系列!这里面什么都有!
FAC=1-2/H，是正确的。
我承认，我甚至有点犹豫，在我的正确性。但很快 ，我就清醒了。我建议你也这样做。好吧，让它见鬼去吧，H-Hurst，反正不是每个人 ，了解它的计算算法，让我们看看FAC。我理解它是
自 相关的一个函数。这些公式可能可以在这里或教科书中找到。 我看了教程，也看了Statistica中的FAC实现。 构建了三行数据，第一行是这样的：1,-1,1,-1等等。第二行是：2,-2,2,-2等；第三行是2,-1,2,-1等。它们的H-波动率， ，分别为1，2和1.5。在Statistica中计算的FAC值，对于 滞后=1，对于所有三个系列是-0.995，一般来说是自然的， ，基于对自相关的理解。对于滞后=2，它将是0.993，等等。注意，这三个系列在 H-波动性方面完全不同，而在FAC方面则相同（对于相同的滞后期）。 要么你的FAC与传统的FAC不一样，要么你的推理有错误， 。
。
北风，我在影响FAC的一系列第一差异，你在影响原始系列。因此，有区别。 当然，如果定义了两个系列
X 和Y，那么就可以用公式计算相关系数。
r=SUM（X*Y）/SUM（X^2）。如果我们现在去看
自 相关系数的定义，我们有：
r=SUM(X[i]*X[i-1])/SUM(X[i]^2)， ，从这里去看第一差值，我们得到。
r=SUM{(X[i]-X[i-1])*(X[i+1]-X[i])}/SUM(X[i]-X[i-1])^2), 或者，第一近似值：
r=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]) }/N，其中N为求和窗口。事实上，这就是所断言的内容。
...北风，我在影响FAC在一系列的第一差异和你在原始系列。因此，有区别。
当然，如果定义了两个系列X 和Y，那么相关系数的计算公式为：。
请注意，我举的例子是 "1,-1,1,-1,1,1,-1..."
被转换为"-2,2,-2,2... "的首差形式。这些系列的FAC(滞后=1)。
在价值上是相同的，完全符合理论概念。
指出，对于这样的系列，与前值的相关性
接近于1。同时，这些考虑的系列的H-波动率是不同的。
也就是说，事实证明你的公式并不十分正确。
这里没有使用两个系列的X 和Y。只是，为了测试
三行数据的计算是相互独立的。
你计算 "3,-3,3,-3... "和 "1,-1,1,-1... "行的FAC。
你给我看结果，我计算H型波动率。然后我们进行比较。
你展示结果，我计算H-volatilities。然后我们进行比较。
对于第一行： FAC=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={sign((-3-3)*(3-(-3))+sign((3+3)*(-3-3)+...+}/N= ={-1+（-1）+...+(-1)}/N=-1， H-波动率（我们用H表示），
H=（所有价格运动的绝对值 之和）/（运动反转之和）=h*N/N=1*h，其中h=3。FAC的含义，是无尺寸的。H-波动率是振幅维度的，所以我们用h来归一化，以便比较。我认为
FAC=1-2/H，我们有-1=1-2/1=-1，即身份。 对于第二个系列： FAC=-1， H=h*N/N=1*h，其中h=1。我们有
-1=1-2/1=-1，即身份。 这是需要证明的。
你给我看结果，我计算H型波动率。然后我们进行比较。
对于第一行。
ФАК=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={sign((-3-3)*(3-(-3))+sign((3+3)*(-3-3)+...+}/N=
={-1+(-1)+...+(-1)}/N=-1,
是的，我同意。只是我做的方式不同，但结果是一样的。
H型波动率（我们用H表示）。
H=（所有价格运动的绝对值之和）/（运动反转之和）=h*N/N=1*h，其中h=3。
FAC的含义，是无尺寸的。
是的，我也是这么想的。
H-波动率是振幅维度的，所以我们用h来归一化，以便比较。
但这正是它的错误所在。一切都已经设定在h。所以没有必要把它正常化。
我认为FAC=1-2/H，有-1=1-2/1=-1，即身份。
你以 "正常化 "为代价，将所有情况减少到=1的一种情况。
此外，你似乎没有采用 "直接 "的公式来计算H-波动率，而是采用了
你使用了你自己的公式，而这个公式是错误的，因此你的结果也是错误的。
对于第二排。
FAC=-1。
H=h*N/N=1*h，其中h=1。
我们有-1=1-2/1=-1，即一个特征。
这是需要证明的。
让我们来计算一下FAC和H-波动率的情况
另一个系列，例如：3,-1,3,-1，等等。我认为，FAC将=-1，H-波动性=2。
H-分区是在h=1时进行的。不需要采取任何差异，这一系列是纯粹的。
顺便说一下，另一个有趣的系列例子，1,2,-3,1,2,-3。你认为会发生什么？